【摘 要】
：
三维模型检索是多媒体信息检索领域的重要组成部分，由于“语义鸿沟”的存在使得当前基于内容的检索结果通常不十分令人满意。考虑到解决“语义鸿沟”的关键是将三维模型的底层形状特征与高层语义特征进行有效融合，为此提出一种三维模型的语义与形状异构特征融合方法，该方法将三维模型在基于内容的检索过程中用户反馈信息形成的语义关联作为模型的语义表达，并通过子空间学习方法将这种语义表达信息与模型的底层特征进行融合，最后
【机 构】
：
长春工业大学 计算机科学与工程学院 长春 130012 长春工业大学 软件学院 长春 130012
【出 处】
：
第四届中国Agent理论与应用学术会议
论文部分内容阅读
三维模型检索是多媒体信息检索领域的重要组成部分，由于“语义鸿沟”的存在使得当前基于内容的检索结果通常不十分令人满意。考虑到解决“语义鸿沟”的关键是将三维模型的底层形状特征与高层语义特征进行有效融合，为此提出一种三维模型的语义与形状异构特征融合方法，该方法将三维模型在基于内容的检索过程中用户反馈信息形成的语义关联作为模型的语义表达，并通过子空间学习方法将这种语义表达信息与模型的底层特征进行融合，最后将融合后的新特征应用于三维模型检索中。在Princeton Shape Benchmark 上的测试表明，该方法的检索结果明显好于单纯形状特征的检索结果。
其他文献
将空间态势通过可视化手段表现出来，可以直观反映空间作战仿真的全过程，辅助对空间作战模拟的研究。本文分析了空间态势可视化的需求，依据空间作战的特点，重点研究了通过STK 工具实现空间态势可视化的方法和技术，并给出了一种具体实现方案。
通过对股票样本历史数据噪音分析，引入高斯过程算法，实现了样本数据的回归预测模型；通过置信区间计算，估计正常数据的取值范围，从而实现异常数据的检测，同时结合蚁群算法，提出了高斯过程参数自适应机制。通过实验，该算法与其它算法对比，结果表明该算法可以在保证了近似的准确性的基础上，较大幅度地提高了计算效率，提升用户满意度。
蚁群算法是一种元启发式的随机搜索工具，是目前解决组合优化问题最有效的工具之一。本文修改了信息素在局部和全局的更新模式，提出一种快速求解旅行商问题的蚁群算法。首先给出了一种新的信息素更新模型，降低已搜索路径的信息素，从而提高对未搜索路径进行搜索的可能性，其次设置惩罚函数，排除已发现的超长路径，缩小搜索范围。实验表明，该算法不仅能获得更好的最优解，而且收敛速度有显著的提高。
曲面重建技术是数据可视化领域的研究热点，本文在研究雷达扫描的点云数据重构基础上，分析了相邻扫描线之间数据点的相对位置关系，在三角剖分的基础上，提出了一种改进的扫描线剖分算法，该算法根据激光雷达逐行扫描特点，对点云数据进行不规则三角网格划分，利用几何关系进行配对构网，同时，在所建三角模型的基础上进行三角网格的局部优化，纹理映射，得到重建模型。实验结果表明，此算法可以有效的提高三角构网速度和质量，消除
常用的优化算法大都模拟自然界的一些演化过程来求解优化问题，如进化算法(EA)和粒子群算法(PSA)等，但这些算法在某些场合仍显得实时性较差且易陷于局部最优解.由此提出了一种新型快速的直接随机优化算法(DROA).它直接利用随机搜索过程寻找最优解，减少了额外计算，降低了计算复杂度；其搜索过程分为全局搜索和局部搜索两个阶段，两个阶段选用不同的调节参数公式和搜索方式：首先将递增参数的三个随机优化模块串接
目前，视频监控设备已经遍布公众场所并被广泛应用到安全监控，视频信息的安全性与有效性成为信息安全领域中至关重要的问题，在某些特殊视频中，运动目标往往是人们关注的焦点，因此在视频传输过程中保持运动目标的完整性就显得尤为重要。本文给出了一种基于视频中运动目标的自嵌入水印方法，能够实现在视频信息接收端对运动目标的无损恢复。这一结果的实现依赖于文中提出的一种新的运动目标提取方式，即使用近似于原始视频帧的合成
本文在暗通道去雾的基础上，通过估计透射率对暗通道值进行补偿，分析成像特点，重新估计大气光，实现去雾方法的改进。通过大量实验分析和对比实验，本文提出的自适应的基于暗通道先验的去雾方法在光线不足或以天空等为背景的图像实验效果优于现有的方法。使用MSE(均方误差)对FRIDA 数据库中多组数据进行误差分析，结果证明使用本文恢复的图像更接近真实图像。
基于人脸的身份鉴别技术已经受到越来越多的重视。在可见光环境里，人脸识别算法对光照的变化非常敏感。使用近红外人脸图像进行识别可以有效的提高人脸识别对光照的鲁棒性。 在可见光下获得的人脸图像和近红外线下获得的人脸图像反应的是人脸的两种不同模态下的特质，所以提取出来的特征具有一定的差异性，同时使用可以提高识别的性能。近红外 图像成像的原理会导致近红外图像与可将光图像相比出现模糊，轮廓不全等，对识别性能造
典型相关分析(Canonical Correlation Analysis,CCA)是寻找同一对象两组变量间线性相关性的一种常用的多元统计分析方法,其采用的欧氏距离度量方式导致了算法的非鲁棒性。我们先前导出的核诱导的距离度量不仅在理论上被证明是鲁棒的而且在(聚类)应用上获得了有效验证。本文旨在将其进一步应用于CCA,发展出核诱导距离度量的鲁棒CCA(KI-CCA),该算法不仅克服了CCA非鲁棒的不
现实生活中复杂网络如社交网络、生物网络等无处不在。挖掘复杂网络中功能模块及其关系对网络结构功能的了解、事物及其发展规律的认识有着重要作用。本文利用典型相关分析(CCA)分析复杂网络中功能模块及其相互关系，并将其转化为LASSO 回归优化问题，以提高结果的可解释性。在此基础之上，提出了一种模块及其相互关系的挖掘算法。该算法不仅能准确挖掘网络中的功能模块，而且还能同时度量模块之间的相关程度。人工生成数